2篇8章5节：多状态生存模型分析的状态转移概率

在多状态生存分析的临床实际应用场景中，单纯依托模型计算得出的累计风险函数，往往无法满足临床医师的科研探索与诊疗评估需求，这也是完成累计风险拟合后，必须进一步分析状态概率的核心原因。累计风险函数仅能量化疾病进展、不良事件发生的风险累积程度，是一种偏向统计学理论的中间指标，只能直观展现随访期间各类事件风险随时间叠加的高低水平，但无法转化为临床可理解、可落地、可用于患者预后评估和研究结果汇报的具象化结论。本文，给大家介绍多状态生存模型分析的状态转移概率计算。

上一节已经利用 msfit() 成功计算了 Illness–Death 三状态模型的累计风险函数，并通过 summary(msf) 和 plot(msf) 对三条状态转移路径进行了分析。从结果可以看到，不同状态转换对应不同的累计风险曲线，随着随访时间延长，累计风险不断增加，较好地反映了疾病进展过程中各种事件发生风险的累积情况。然而，累计风险函数本身仍然属于统计模型中的中间结果，它描述的是风险随时间累积的过程，而不是患者真正处于某一种疾病状态的概率。

例如，临床研究与临床随访的核心落脚点始终是患者的疾病状态与远期预后，相较于抽象的“某一时间点累计发病风险、死亡风险数值高低”，医生更关注一系列贴合临床诊疗决策、患者预后判断的实际问题。在造血干细胞移植、